Quatre milliards de paramètres battent des modèles bien plus gros au GeoGuessr

Un modèle vision-langage entraîné par apprentissage par renforcement à localiser des photographies est publié avec l’ensemble de son appareil : environnement, jeu de données, recette d’entraînement, évaluations et code. Il tourne sur un seul A100.

Sur les évaluations annoncées par ses auteurs, il devance gpt 5.4 mini, haiku et qwen 3.5 122B, et s’approche de sonnet — des modèles dont la taille est sans commune mesure.